图1-1 事物关系的可计算模型

从网页的链接发展到实体的链接，知识图谱是为了从海量数据中发现事物之间的关系，是事物关系的可计算模型。

1.2 知识图谱的发展历史

图1-2 从语义网络到知识图谱

知识是人类通过观察、学习和思考有关客观世界的各种现象而获得并总结出的所有事实（Fact）、概念（Concept）、规则（Rule）或原则（Principle）的集合。

知识表示是现实世界的可计量模型。广义上讲，神经网络也是一种知识表示形式。（是大脑的知识表示吧）

图1-3  知识图谱帮助构建有学识的人工智能

所以，连接派是工具？

A：不是，就是一种工具

典型的语义网络WordNet被广泛用于语义消岐等自然语言处理领域。

早期的专家系统最常用的知识表示方法包括基于框架的语言（Frame-based Languages）和产生式规则（Production Rules）等。框架语言主要用于描述客观世界的类别、个体、属性及关系等，较多地被应用于辅助自然语言理解。产生式规则主要用于描述类似于IF-THEN地逻辑结构，适用于刻画过程性知识。

图1-4  现代知识图谱的规模化发展

1.3 知识图谱的价值

KG最早是用来提升搜索引擎的能力。后来在辅助智能问答、自然语言理解、大数据分析、推荐计算、物联网设备互联、可解释性人工智能等多个方面展示出丰富的应用价值。

图1-5  知识图谱辅助搜索

图1-6  设备语义的封装

1.4 国内外典型的知识图谱项目

图1-7  OpenKG的主网站

cyc知识库由术语和断言组成,断言用来建立术语之间的关系（不太懂），包括实施的描述，也包括规则的描述。

1.5 知识图谱技术流程

结构化数据定义到本体模型之间的语义映射，再通过编写语义翻译工具实现结构化数据到知识图谱的转化？

人工众包是什么？

知识表示与Schema工程

知识表示是指用计算机符号描述和表示人脑中的知识，以支持机器模拟人的心智进行推理的方法和技术。

知识抽取

现代知识图谱的构建通常大多依靠已有的结构化数据资源进行转化，形成基础数据集，再依靠自动化知识抽取和知识图谱补全技术，从多种数据来源进一步扩展知识图谱，并通过人工众包进一步提升知识图谱的质量。

知识融合

模式层就是schema吗？还是一个框架？